人工智能學習的主要技術及其發(fā)展趨勢
目前人工智能學習研究的3個熱點是:
智能接口、數據挖掘、主體及多主體系統。智能接口技術是研究如何使人們能夠方便自然地與計算機交流。為了實現這一目標,要求計算機能夠看懂文字、聽懂語言、說話表達,甚至能夠進行不同語言之間的翻譯,而這些功能的實現又依賴于知識表示方法的研究。因此,智能接口技術的研究既有巨大的應用價值,又有基礎的理論意義。目前,智能接口技術已經取得了顯著成果,文字識別、語音識別、語音合成、圖像識別、機器翻譯以及自然語言理解等技術已經開始實用化。
數據挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數據中提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。數據挖掘和知識發(fā)現的研究目前已經形成了三根強大的技術支柱:數據庫、人工智能和數理統計。主要研究內容包括基礎理論、發(fā)現算法、數據倉庫、可視化技術、定性定量互換模型、知識表示方法、發(fā)現知識的維護和再利用、半結構化和非結構化數據中的知識發(fā)現以及網上數據挖掘等。主體是具有信念、愿望、意圖、能力、選擇和承諾等心智狀態(tài)的實體,比對象的粒度更大,智能性更高,而且具有一定自主性。主體試圖自治地、獨立地完成任務,而且可以和環(huán)境交互,與其他主體通信,通過規(guī)劃達到目標。
多主體系統主要研究在邏輯上或物理上分離的多個主體之間進行協調智能行為,最終實現問題求解。目前對主體和多主體系統的研究主要集中在主體和多主體理論、主體的體系結構和組織、主體語言、主體之間的協作和協調、通信和交互技術、多主體學習以及多主體系統應用等方面。新一代的智能技術是指80年代以來迅速發(fā)展起來的以神經網絡(ANN)、進化計算、模糊邏輯、Agent為主要代表的計算只能技術,其中主要具有學習進化與自組織的能力。